R 用于每像素图像分类/回归的mxnet
我正在寻找使用R的“mxnet”对多波段图像（RGB、多光谱/高光谱航空或卫星遥感）进行像素级分类的最佳实践或案例研究。事实上，在图像标记方面有很多最佳实践（例如，在像imagenet这样的大型图像档案中，狗和猫），其中对整个图像进行分类，并且通常有大量的训练数据（或预训练模型）可用。但是，我没有发现任何与像素级图像分类/回归相关的内容，其中训练数据通常比较稀疏，应用程序处理土地覆盖物类别、物体（如汽车、建筑物等）或生物物理变量（生物量、土壤湿度、叶绿素含量等）。FCN（完全Conv网络）是基于像素的分割，似乎适合您的需要。R 用于每像素图像分类/回归的mxnet,r,image-processing,deep-learning,mxnet,satellite-image,R,Image Processing,Deep Learning,Mxnet,Satellite Image,我正在寻找使用R的“mxnet”对多波段图像（RGB、多光谱/高光谱航空或卫星遥感）进行像素级分类的最佳实践或案例研究。事实上，在图像标记方面有很多最佳实践（例如，在像imagenet这样的大型图像档案中，狗和猫），其中对整个图像进行分类，并且通常有大量的训练数据（或预训练模型）可用。但是，我没有发现任何与像素级图像分类/回归相关的内容，其中训练数据通常比较稀疏，应用程序处理土地覆盖物类别、物体（如汽车、建筑物等）或生物物理变量（生物量、土壤湿度、叶绿素含量等）。FCN（完全Conv网络）是基于
MXNet有一个使用Python的好方法，但是如果你真的喜欢R，你应该能够转换它，或者只使用示例中提供的预先训练过的网络。这通常被称为语义分段。